Upload
dothu
View
222
Download
0
Embed Size (px)
Citation preview
APSI - Processamento de Sinal 1
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Processamento de Sinal
Conceitos, Métodos e Aplicações
Texto Tutorial da Disciplina: APSI - LEEC
J.P. Marques de Sá – [email protected] Faculdade de Engenharia da Universidade do Porto
© 2001 J.P. Marques de Sá
APSI - Processamento de Sinal 2
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
ÍNDICE 1 Noções Fundamentais de PDS (Revisão)................................................................................................................ 5
1.1 Sinais e Sistemas Discretos .............................................................................................................................. 5 1.1.1 Génese e Representação dos Sinais Discretos ............................................................................................... 5 1.1.2 Tipificação de Sistemas Discretos ............................................................................................................... 12
1.2 Transformadas ............................................................................................................................................... 19 1.2.1 Descrição nas Frequências de Sinais Contínuos.......................................................................................... 19 1.2.2 Descrição nas Frequências de Sinais Discretos ........................................................................................... 29 1.2.3 Amostragem ................................................................................................................................................. 32 1.2.4 Reconstrução de Sinal .................................................................................................................................. 41 1.2.5 Transformada de Fourier de Sinais Discretos .............................................................................................. 43 1.2.6 Transformada Discreta de Fourier ............................................................................................................... 54 1.2.7 Transformada em z....................................................................................................................................... 58
1.3 Processamento de Sinal com SLITs.............................................................................................................. 67 1.3.1 Resposta ....................................................................................................................................................... 67 1.3.2 Estabilidade de SLITs .................................................................................................................................. 73
1.4 Energia, Potência, Correlação e Autocorrelação ........................................................................................ 80 1.5 Bibliografia ..................................................................................................................................................... 89
APSI - Processamento de Sinal 3
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Símbolos
x variável x* conjugado de x x(t) sinal contínuo x(n) sinal discreto X(Ω) Transformada de Fourier de sinais contínuos X(ω) Transformada de Fourier de sinais contínuos N número de amostras T período f frequência (Hz) fl frequência de corte inferior fc frequência de corte superior Ω frequência angular (= 2πf radianos) para sinais contínuos ω frequência angular (= 2πf radianos) para sinais discretos t(n) degrau de Heaviside, discreto
)(nδ impulso de Dirac, discreto sinc(x) seno cardinal de x (sin(x)/x) ⊗ operador de convolução → tende para ⇒ implica ⇔ em correspondência com ≡ definida por, equivalente a
APSI - Processamento de Sinal 4
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Abreviaturas PDS Processamento Digital de Sinal sse se e só se dB decibel
APSI - Processamento de Sinal 5
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
1 Noções Fundamentais de PDS (Revisão)
1.1 Sinais e Sistemas Discretos
1.1.1 Génese e Representação dos Sinais Discretos
• Amostragem e quantificação de sinais contínuos (conversão A/D) para processamento automático.
• Sequências resultantes de modelos matemáticos de fenómenos reais (p. ex. modelo de crescimento de uma população: p(n+1) = kp(n)(1-p(n), k > 0 ).
• Sequências provenientes de dados reais (p. ex. temperatura máxima diária). Consideramos que cada valor discreto dista do seguinte do mesmo intervalo de tempo: período (taxa) de amostragem constante, Ts.
Ts: Período de amostragem (s)
ss T
f 1= : Frequência de amostragem (Hz) (uma amostra em cada Ts segundos)
APSI - Processamento de Sinal 6
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Na análise harmónica de sinais discretos (ver Figura 1.1) usamos o conceito de frequência angular:
00 2 fπω = : Frequência angular (radianos)
x(n)-1.5
-1
-0.5
0
0.5
1
1.5
0 2 4 6 8 10 12 14 16 18 20 22
n
x(n)
Figura 1.1. Um seno discretizado com f0 / fs = 0.05.
+∞<<∞−== nfnfanTanxs
s ),2sin()sin()( 00 πω
APSI - Processamento de Sinal 7
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Todos os sinais discretos se podem representar facilmente à custa de somas de impulsos de Dirac discretos:
≠=
=0001
)(nn
nδ
≠=
=−knkn
kn01
)(δ
Dado um sinal não causal x(n), estudamos, por vezes, a versão causal de x(n), x(n)u(n),
com
<≥
=0001
)(nn
nu , degrau de Heaviside
APSI - Processamento de Sinal 8
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
-1.5
-1
-0.5
0
0.5
1
1.5
0 2 4 6 8 10 12 14 16 18 20 x(n)
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20
n
x(n)
x(n)
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20
n
x(n)
-1.5
-1
-0.5
0
0.5
1
1.5
0 2 4 6 8 10 12 14 16 18 20 x(n)
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20
n
x(n)
x(n)
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20
n
x(n)
Figura 1.2. Seno, onda quadrada e impulso de Dirac, com f0 / fs = 0.05, amostrados a fs = 0.5 Hz (esquerda) e fs =1 Hz (direita).
APSI - Processamento de Sinal 9
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
A discretização A/D de um sinal contínuo implica:
• Amostragem
• Quantificação Cada uma destas operações vai impor alterações no sinal. A amostragem é tratada em 1.2.3. Quantificação e Erro de Quantificação: Quantificação de x (n), em um de A+1 níveis de quantificação de amplitude ∆:
[ ]∆∈ Anxq ,0)( Supõe-se o passo de quantificação, ∆, constante. O erro de quantificação é, então:
2)()()(
2∆
≤−=≤∆
− nxnxne qq
APSI - Processamento de Sinal 10
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
A energia de um sinal discreto é:
∑∞
−∞=≡
nnxE 2)(
Dado que esta quantidade pode ser infinita, normalmente avaliamos a energia num intervalo finito [0, N]:
∑=
=N
nnxE
0
2)( ,
e calculamos a potência média:
∑=
=N
nnx
NP
0
2)(1
Dado um ruído de potência média Pn, define-se razão sinal-ruído:
nn PPdBSNR
PPSNR 10log10)(; ==
APSI - Processamento de Sinal 11
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Supondo que o ruído de quantificação tem uma distribuição uniforme em [-∆/2, ∆/2], temos:
12
2∆=nP (variância da distribuição uniforme);
21012log10)(∆
=PdBSNR
Para uma sinusóide cobrindo [ ]∆A,0 , temos:
2
221
∆
=AP ,
logo, a relação sinal-ruído para o erro de quantificação é:
812log10)(
2
10AdBSNR =
P. ex. se usamos 8 bits de quantificação, temos A = 28 – 1 = 255, logo:
dBdBSNR 508
(255)12log10)(2x
10 ≅=
APSI - Processamento de Sinal 12
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
1.1.2 Tipificação de Sistemas Discretos
SistemaDiscreto
x(n) y(n) = h(x(n))
Figura 1.3. Um sistema de processamento de sinais discretos.
Sistemas Lineares:
• ))(())(())()(( 2121 nxhnxhnxnxh +=+ (aditividade)
• ))(())(( nxhanxah = (escalamento) Sistemas Invariantes no Tempo:
)())(( knyknxh −=− com ))(()( nxhny =
APSI - Processamento de Sinal 13
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Sistemas Lineares Invariantes no Tempo (SLIT):
)()())()(( 22112211 knyaknyaknxaknxah −+−=−+−
com ))(()( 11 nxhny = e ))(()( 22 nxhny =
SistemasLineares
SistemasNão-Lineares
Linearidade
SistemasInvariantesno Tempo
SistemasVariantesno Tempo
Variância Temporal (Estacionaridade)
Sistemas LinearesInvariantes no Tempo
Figura 1.4. Classificação de sistemas
APSI - Processamento de Sinal 14
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
a -1.5
-1
-0.5
0
0.5
1
1.5
b -1.5
-1
-0.5
0
0.5
1
1.5
c -1.5
-1
-0.5
0
0.5
1
1.5
d -1.5
-1
-0.5
0
0.5
1
1.5
Figura 1.5 Sistema h(x(n))
a Linear, invariante no tempo x(n) - 2x(n -1) b Linear, variante no tempo 2x(n)/n c Não-linear, invariante no tempo x2(n) d Não-linear, variante no tempo 2x2(n)/n
APSI - Processamento de Sinal 15
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Fórmula Geral dos SLIT:
∑∑−
=
−
=−=−
1
0
1
0)()(
M
jj
N
ii jnybinxa 1.1
Propriedades dos SLIT:
Resposta de convolução:
∑∞
−∞=−≡⊗==
kknhkxnhnxnxhny )()()()())(()( ,
com ))(()( nhnh δ= , resposta impulsional do sistema. A figura seguinte ilustra graficamente a operação de convolução. Notar a reflexão da resposta impulsional imposta por h(n – k). P. ex., para o sinal causal da Figura 1.6, temos: y(2) = x(0)h(2) + x(1)h(1) + x(2)h(0) + ... Se os comprimentos do sinal e da resposta forem respectivamente N e M, o comprimento da saída é N + M – 1 (confrontar com Figura 1.6).
APSI - Processamento de Sinal 16
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
a
1
0
x(n)
n
b
1
0
h(n)
n
c
1
0
x(n)
n
d
1
0
x(n)
n
e
1
0
x(n)
n
f
1
0
y(n)
n
2
Figura 1.6. Sinal de entrada (a), resposta impulsional do sistema (b), fases da convolução (c: y(0), d: y(1), e: y(2)) e saída (f) de comprimento 3 + 3 – 1 .
APSI - Processamento de Sinal 17
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Esta é a versão discreta da convolução para SLIT contínuo:
duuthuxthtxtxh ∫∞
∞−
−≡⊗= )()()()())((
Demonstração:
Trivial, tendo em conta que ∑∞
−∞=−=
kknkxnx )()()( δ
Notar:
• )()()()( nxnhnhnx ⊗=⊗ comutatividade ( logo, ))(())(( nhxnxh = )
• ∑∞
=−=
0)()())((
kknhkxnxh para sinais causais
APSI - Processamento de Sinal 18
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Exemplo:
h(n) = [0.5 −0.2 0.1 0[ x(n): onda quadrada (causal) sinal de saída, y(n)
a
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0 2 4
n
h(n)
b
00.20.40.60.8
11.2
0 2 4 6 8 10 12 14 16 18
c
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0 2 4 6 8 10 12 14 16 18 20 22 24
n
Figura 1.7. Uma resposta impulsional (a), um sinal de entrada (b) e respectiva saída (c).
y(1) = x(1)h(1-1) = 1 x 0.5 = 0.5 y(2) = x(1)h(2-1) + x(2)h(2-2) = 1 x (-0.2) + 1 x 0.5 = 0.3 y(3) = x(1)h(3-1) + x(2)h(3-2) + x(3)h(3-3) = 0.1 - 0.2 + 0.5 = 0.4
APSI - Processamento de Sinal 19
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
1.2 Transformadas
1.2.1 Descrição nas Frequências de Sinais Contínuos Seja x(t) um sinal contínuo e X(Ω) a Transformada de Fourier:
∫∫∞
∞−
Ω−∞
∞−
Ω =Ω⇔ΩΩ= dtetxXdeXtx tjtj )()()(21)(π 1.2
De: ∫∞
∞−
Ω−Ω=Ω dttjttxX )sin)(cos()( ,
decorre que:
• Funções pares ⇒ X(Ω) é real
• Funções ímpares ⇒ X(Ω) é imaginário Também se mostra facilmente que:
• )()()()( Ω+Ω⇔+ bYaXtbytax
• )()( 00 Ω⇔− Ω− Xettx tj atraso no tempo
• )()()()( Ω⊗Ω⇔ YXtytx • )()()()( ΩΩ⇔⊗ YXtytx
APSI - Processamento de Sinal 20
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Espectros de Fourier importantes: a) Impulso rectangular
qa(t) Q(Ω)
Seno cardinal para a = 1
t+a-a
1/(2a)
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
0.00 3.14 6.28 9.42 12.57
Figura 1.8. Impulso rectangular de área unitária e seu espectro.
)(sinc)sin(2
sin21)( a
aa
atdte
aQ
a
a
a
a
tj Ω=Ω
Ω=
ΩΩ
==Ω−−
Ω−∫ 1.3
Notar que sinc(0) = 1.
t = π/a
Q ≈ -2 /(3π)
APSI - Processamento de Sinal 21
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Família de funções qa(t):
∫∫∞
∞− →
∞
∞−
→= )0()()(;1)(0
ϕϕa
aa dtttqdttq
Situação para a → 0: qa(t) → δ(t) (impulso de Dirac) ∫∞
∞−
=Ω⇒= 1)()0()()( Qdttt ϕϕδ
a = 0.5 -0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
0.00 3.14 6.28 9.42 12.57
a = 0.05
0
0.2
0.4
0.6
0.8
1
1.2
0.00 3.14 6.28 9.42 12.57
Figura 1.9. Espectro do impulso rectangular de área unitária para valores decrescentes de a.
APSI - Processamento de Sinal 22
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Família de funções: 2a qa(t) A multiplicação por 2a mantém unitária a amplitude dos impulsos. Situação a → ∞:
a = 100 -100
-50
0
50
100
150
200
250
0.00 0.03 0.06 0.09 0.13 0.16 0.19 0.22 0.25 0.28
a = 500 -400-200
020040060080010001200
0.00 0.03 0.06 0.09 0.13 0.16 0.19 0.22 0.25 0.28
Figura 1.10. Espectro do impulso rectangular de amplitude unitária para valores crescentes de a.
Espectro exibe lobos com amplitudes crescentes (fenómeno de Gibbs), devido às descontinuidades. Amplitude do primeiro lobo: ∞→−≈ π3/4a
APSI - Processamento de Sinal 23
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
b) Função de Gauss
22
22
2
2
)(21)(
σσ
σσπ
Ω−−
=Ω⇔= eGetgt
Situação para σ → 0:
1)();()( →Ω→ σσ δ Gttg Seja:
22
22
2
2
2)()(σ
σσ
σ σπΩ
−−=Ω⇔= eGetg
t
Situação para σ → ∞:
)()(;1)( Ω→Ω→ δσσ Gtg
(dualidade tempo-frequência)
APSI - Processamento de Sinal 24
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
c) Suavização de descontinuidades usando o impulso de Gauss
Seja: 2
22
)sin(2)()(2σ
σ
Ω−
ΩΩ
⇔⊗ eatqtag a Escolhendo, p.ex. σ = a/10 o fenómeno de Gibbs é atenuado, os lobos são decrescentes, obtendo-se então convergência para o impulso de Dirac nas frequências. Situação σ = a/10 e a → ∞:
a = 100 -100
-50
0
50
100
150
200
250
0.00 0.06 0.13 0.19 0.25 0.31 0.38 0.44 0.50 0.57
a = 500 -200
0
200
400
600
800
1000
1200
0.00 0.06 0.13 0.19 0.25 0.31 0.38 0.44 0.50 0.57
Figura 1.11. Convergência (nas frequências) do impulso rectangular de amplitude unitária, suavizado por uma função de Gauss, para o impulso de Dirac.
APSI - Processamento de Sinal 25
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
d) Espectro de sinusóides
x(t) = sin (wt)
-1.5
-1
-0.5
0
0.5
1
1.5
0 2 4 6 8 10 12 14 16 18 20 22
t
x(t)
X(Ω)
Ω+w-w
j
1/21/2
Figura 1.12. Um seno e o seu espectro.
∫ ∫∞
∞−
∞
∞−
Ω− Ω−Ω==Ω dttjtwtdtewtX tj )sin)(cossin()sin()(
Resultado semelhante para cosenos, originando impulsos de Dirac reais. Sugestão: Efectuar uma análise detalhada do resultado anterior, usando uma função limitada no tempo, q(t).
Ímpar → 0 Só ≠ 0 para Ω = ±w
APSI - Processamento de Sinal 26
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
e) Pente de Dirac
∑∑∞
−∞=
Ω∞
−∞==Ω⇔−=
n
nTj
ns
sePnTttp )()()( δ 1.4
t
p(t)
1
0 +Ts-Ts +2Ts +3Ts Figura 1.13. Pente de Dirac
Demonstração:
• 1)()( =Ω⇔ Ctδ • Pela propriedade do atraso temporal, nkjenkt Ω−⇔− )(δ
APSI - Processamento de Sinal 27
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Propriedades da T. Fourier contínua:
)()()()( Ω+Ω⇔+ bYaXtbytax Linearidade
)(2)( Ω−⇔ xtX π Dualidade
0,1)( >
Ω
⇔ aa
Xa
atx Escalamento
)()( 00 Ω⇔− Ω− Xettx tj Atraso no tempo
)()( 00 Ω−Ω⇔ Xetx tjω Atraso na frequência
)()()()( Ω⊗Ω⇔ YXtytx Convolução na frequência
)()()()( ΩΩ⇔⊗ YXtytx Convolução no tempo
)()()()( ΩΩ⇔ Xjtx nn Diferenciação
∫ ∞−Ω+Ω
Ω⇔
t XXj
duux )()0()(1)( δπ Integração
APSI - Processamento de Sinal 28
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
[ ])()(21)cos()( 000 Ω−Ω+Ω+Ω⇔ XXttx ω
[ ])()(2
)sin()( 000 Ω−Ω−Ω+Ω⇔ XXjttx ω Modulação
∫ ∫∞∞−
∞∞−
ΩΩ⇔ ωπ
dYXdttytx )()(21)()( * Teorema de Parseval
Algumas Transformadas Úteis:
)(tδ 1
1 )(2 Ωπδ
u(t) )(1Ω+
Ωπδ
j
sgn(t) Ωj2
cos(ω0t) [ ])()( 00 Ω−Ω+Ω+Ω δδπ
qa(t) aa
ΩΩsin
0),( >− atue at Ω+ ja1
APSI - Processamento de Sinal 29
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
1.2.2 Descrição nas Frequências de Sinais Discretos Consideremos a descrição de sinusóides em tempo discreto, tomando, sem perda de generalidade, Ts = 1 (fs = 1):
∞<<∞−+= nnanx ),cos()( θω Verifica-se facilmente que:
• A sinusóide só é periódica, i.e., x(n + k) = x(n), sse πω 2/=f for um número racional.
• A maior frequência de oscilação de uma sinusóide discreta ocorre para πω ±= (ou 2/1±=f )
APSI - Processamento de Sinal 30
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
0
0.2
0.4
0.6
0.8
1
1.2
0 2 4 6 8 10 12 14 16 18 20 22
n
f = 0
-1.5
-1
-0.5
0
0.5
1
1.5
0 2 4 6 8 10 12 14 16 18 20 22
n
f = 0.125
-1.5
-1
-0.5
0
0.5
1
1.5
0 2 4 6 8 10 12 14 16 18 20 22
n
f = 0.25
-1.5
-1
-0.5
0
0.5
1
1.5
0 2 4 6 8 10 12 14 16 18 20 22
n
f = 0.5
Figura 1.14. Sinusóides discretas para várias frequências de amostragem.
APSI - Processamento de Sinal 31
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
• Sinusóides cujas frequências angulares diferem de um múltiplo inteiro de 2π (equivalentemente, as frequências absolutas diferem de um número inteiro) são idênticas.
-1.5
-1
-0.5
0
0.5
1
1.5
0 2 4 6 8 10 12 14 16 18 20 22
n
f1 = 0.125
-1.5
-1
-0.5
0
0.5
1
1.5
0 2 4 6 8 10 12 14 16 18 20 22
n
f 2 = − 0.875
Figura 1.15. Sinusóides discretas cujas frequências diferem de um inteiro: f 2 = f1 − 1 Para sinais discretos desejamos, então, uma descrição nas frequências do tipo:
ωωπ
π
ω deXnx nj∫−
= )()( 1.5
APSI - Processamento de Sinal 32
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
1.2.3 Amostragem Seja x(t) um sinal contínuo e x(n) uma sua versão discreta (com Ts = 1). Usando o pente de Dirac (1.4) e aplicando a transformada inversa (1.2), temos:
∫ ∑∞
∞−
∞
−∞=
Ω ΩΩ=⊗= deXtxtpnxn
nj)(21)()()(π
Dividindo o intervalo de integração em sub-intervalos de largura 2π, temos:
∑ ∫ ∑∞
−∞=
+
−
Ω∞
−∞=ΩΩ=
m
m
m
nj
ndeXnx
π
ππ
)12(
)12(
)(21)(
As sinusóides discretas com atrasos múltiplos de 2π são idênticas, logo podemos rescrever a expressão anterior como:
∫ ∑
+=
∞
−∞=
π
π
ω ωπωπ
denXnx nj
n)2(
21)( ,
com a representação nas frequências [ ]ππω ,−∈ em vez de ] [∞∞−∈Ω , .
APSI - Processamento de Sinal 33
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Portanto:
∫=π
π
ω ωωπ
deXnx nj)(21)(
com:
∑∞
−∞=+=
nnXX )2()( πωω
Obtivemos uma descrição nas frequências como desejávamos (1.5), sendo: A resposta nas frequências de um sinal discreto é a soma de um número infinito de translações da resposta nas frequências do respectivo sinal contínuo original, para múltiplos da frequência de amostragem. Em geral, para Ts ≠ 1:
∫=s
s
sT
T
nTjss deX
TnTx
/
/)(
2)(
π
π
ω ωωπ
∑∞
−∞=+=
n ss TnX
TX )2(1)( πωω
APSI - Processamento de Sinal 34
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Para sinais discretos, o par de transformadas de Fourier é:
ss
s
s nTjs
n
T
T
nTjss enTxXdeX
TnTx ω
π
π
ω ωωωπ
−∞
−∞=∑∫ =⇔= )()()(
2)(
/
/ 1.6
Dada a periodicidade de X(ω), basta representar no intervalo [0, ωs[ ([0, 2π[ para Ts = 1 ou, alternativamente, [-π, π[).
Síntese Análise
APSI - Processamento de Sinal 35
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Notas: 1. Aloctonicidade ("Aliasing") Da sobreposição de translações de espectros, resulta o critério de Nyquist de não distorção espectral do sinal discretizado:
2/sh ff <
com fh a maior frequência do espectro do sinal contínuo.
f+fh-fh
|X(f)|
a) Espectro original do sinal contínuo
0 +fs-fs +2fs
f
|X(f)|
+fh
b) Espectro do sinal discreto sem aloctonicidade
0 +fs-fs +2fs
f
|X(f)|
+fh +3fs
c) Espectro do sinal discreto com aloctonicidade
Figura 1.16. Espectro de um sinal contínuo (a) e espectro do sinal discretizado, satisfazendo (b) ou não (c) o critério de Nyquist. Na prática todos os sinais ao serem discretizados sofrem distorção devido à aloctonicidade. (Porquê?)
APSI - Processamento de Sinal 36
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
2. Espectro do impulso rectangular discreto. Seja: Ts = 0.2; a = 0.5 (2π / Ts = 10 π; π /a = 2 π).
t+0.5-0.5
1
q(t)
Figura 1.17. Um impulso rectangular de largura 2a = 1, amostrado com período Ts = 0.2.
(Alternativamente podemos efectuar o estudo considerando o período de amostragem unitário, Ts = 1, e 2a = 5. As conclusões, a menos de um factor de escala nas frequências, são as mesmas.)
APSI - Processamento de Sinal 37
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-18.
8-1
5.7
-12.
6-9
.4-6
.3-3
.1 0.0
3.1
6.3
9.4
12.6
15.7
18.8
22.0
25.1
28.3
31.4
34.6
37.7
40.8
44.0
47.1
50.3
53.4
56.5
59.7
Figura 1.18. Soma de translações do espectro do impulso rectangular, de nωs com n∈ [-4, 4].
π /a =2π
APSI - Processamento de Sinal 38
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Seja o impulso rectangular com N amostras centradas, N ímpar, de amplitude 1/N (Ts = 1).
t
1/N
q(t)
(N-1)/2-(N-1)/2
Usando 1.4, temos:
ω
ωωωωω
j
jNjNj
N
Nn
nj
eeee
Ne
NX
−
−−
−−
−
−−=
−
−
−== ∑
111)(
21
21
geométricaprogressão
2/)1(
2/)1(
Multiplicando ambos os termos por 2/ωje , obtém-se:
)sin()sin(1
)2/sin()2/sin(11)(
22
22
ffN
NN
Nee
eeN
Xjj
NjNj
ππ
ωω
ωωω
ωω
==
−
−=
−
−
APSI - Processamento de Sinal 39
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
0.0 2.5 5.0 7.5 10.1 12.6 15.1 17.6 20.1 22.6 25.1 27.6 30.2 32.7
Figura 1.19. Detalhe da figura anterior com o espectro teórico sobreposto (a vermelho).
ω = ω s/5 = 10π/5 = 6.28
APSI - Processamento de Sinal 40
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Notar:
• O espectro de um impulso rectangular discreto é semelhante a um seno cardinal (chama-se função de Dirichlet). A diferença deve-se à aloctonicidade.
• Os zeros do espectro ocorrem para frequência múltiplas de 1/N. Em particular, o primeiro zero ocorre a fl = 1/N.
Para o exemplo anterior, temos:
πω 211/ =⇒=⇒= llsl fN
ff
Seja Xfs(f) o espectro de x(n) para a frequência de amostragem fs. Então:
)()/( 1 fXffX sfs = Usaremos, então, sempre sem perda de generalidade, fs = 1 (frequência de amostragem normalizada).
APSI - Processamento de Sinal 41
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
1.2.4 Reconstrução de Sinal Dado um sinal x(n) qual o sinal x(t) de que proveio? Supondo o critério de Nyquist satisfeito, a reconstrução de x(t) passa por efectuar a filtragem das réplicas espectrais (ver Figura 1.16) com o interpolador ideal:
+fh-fh
1
H(f)
f
Figura 1.20. Interpolador (filtro passa-baixo) ideal.
tftf
dethfHh
hf
f
tjh
hπ
ππ 2
)2sin(21)()( ∫
−
Ω =Ω=⇔ 1.7
Logo:
∑∞
−∞=−=⊗⇔
nd nthnxthtxfHfX )()()()()()(
com )(txd versão contínua do sinal discreto x(n).
APSI - Processamento de Sinal 42
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Se a interpolação é realizada à máxima frequência, fh = fs/2, temos a reconstrução:
∑∞
−∞= −−
=⊗=n
d ntntnxthtxtx)(
)(sin)()()()(π
π
Exemplo:
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-2.6 -1.8 -1 -0.2 0.6 1.4 2.2
Figura 1.21. Reconstrução de um coseno discretizado. São mostradas apenas cinco funções de interpolação h(t - n), n∈[-2, 2]. Na prática, devido à aloctonicidade há sempre perda de informação, logo nunca é possível recuperar inteiramente o sinal original.
APSI - Processamento de Sinal 43
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
1.2.5 Transformada de Fourier de Sinais Discretos Propriedades:
)()()()( 2121 ωω bXaXnbxnax +⇔+ Linearidade )()( ωω Xeknx kj−⇔− Atraso no tempo
)()( 00 ωωω −⇔ Xnxe nj Atraso na frequência
)()( ω−⇔− Xnx Reflexão
)(||
1)(a
Xa
anx ω⇔ Escalamento
)()()()( ωω HXnhnx ⇔⊗ Convolução )()()()()()( ωωω −=⇔−⊗= YXSlylxlr xyxy Correlação
)()( ωxxxx Slr ⇔ T. Wiener-Khintchine
∫−
−⇔π
πλλωλ
πdYXnynx )()(
21)()(
Multiplicação
k
kkk
dXdjnxnω
ω)()()( ⇔ Diferenciação
)(21)(
21cos)( 000 ωωωωω −++⇔ XXnnx Modulação
)()( ** ω−⇔ Xnx Conjugação
∫∑ −
∞
−∞==
ππ
ωωωπ
dYXnynxn
)()(21)()( **
T. Parseval
APSI - Processamento de Sinal 44
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Simetria:
Par
Ímpar
Ímpar
Par
Ímpar
Par
Par
ÍmparReal
Imaginário
Real
Imaginário
Tempo Frequência
APSI - Processamento de Sinal 45
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Algumas transformadas de Fourier úteis: Sinais aperiódicos
1)()()( =⇔= ωδ Xnnx
)2/sin(
)21sin(
)(0
)(ω
ωω
+=⇔
>≤
=L
aXLnLna
nx
≤≤<
=⇔=πωω
ωωω
πω
c
cc Xn
nnx
01
)(sin
)(
1,1
1)(000)( <
−=⇔
<≥
=−
aae
Xnnanx
j
n
ωω
Sinais periódicos
))()((2
)(cos)( 000 ωωδωωδωω ++−=⇔=aXnanx
))()((2
)(sin)( 000 ωωδωωδωω ++−=⇔=jaXnanx
[ ] ∑∑∑−
=
−
=
−
==−=⇔=
1
0
)2(1-N
0k,0
NperíodoFourier,dediscretasérie
1
0
)2()(1,)2()()(
N
n
nkN
jkk
N
k
nkN
jk enx
Nck
NcXecnx
π
π
ππωδω
1.8
APSI - Processamento de Sinal 46
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Exemplos:
a) SLIT com resposta impulsional:
)1()()( −−= nnnh δδ 1
1
0n
Este exemplo simples permite ilustrar vários aspectos importantes. Vejamos:
)1()()()( −−=⊗ nxnxnhnx Logo, h(n) corresponde à resposta impulsional de um sistema de cálculo de diferenças finitas.
ωωω ω sin)cos1(1)( jeX j +−=−= −
22 )(sin)cos1()( ωωω +−=X
−=∠
ωωω
cos1sin)( arctgX
APSI - Processamento de Sinal 47
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
O sistema proporciona uma aproximação da derivada do sinal.
0
1
2
3
4
-6.28 -5.03 -3.77 -2.51 -1.26 0.00 1.26 2.51 3.77 5.03 6.28 7.54 8.80
π
|X(ω)|
-2.00
-1.50
-1.00
-0.50
0.00
0.50
1.00
1.50
2.00
-6.28 -5.03 -3.77 -2.51 -1.26 0.00 1.26 2.51 3.77 5.03 6.28
Figura 1.22. Amplitude (esquerda) e fase "enrolada" (direita) da resposta de um sistema de diferenças finitas. A resposta correspondente à derivada está indicada a tracejado. A fase é linear. Usando a expressão acima com arctg obtém-se a característica de fase "enrolada" da Figura 1.21, exibindo descontinuidades.
APSI - Processamento de Sinal 48
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Frequentemente, uma expressão polar é mais elucidativa.
ωωωωωω
ω sin2)(1)( 2222jjjjj jeeeeeX
−−−− =−=−= A fase é, de facto, linear:
22)(
)22
(2 ωπω
ωπω
−=∠→=−−
Xejejj
-2.00
-1.00
0.00
1.00
2.00
3.00
4.00
5.00
6.00
-6.28 -5.03 -3.77 -2.51 -1.26 0.00 1.26 2.51 3.77 5.03 6.28
Figura 1.23. Fase ("desenrolada") da resposta de um sistema de diferenças finitas.
Notar o atraso inicial de π/2, correspondente ao atraso de "meia amostra" para uma versão centrada da resposta, com o comprimento de N = 2 amostras. Este atraso é inconveniente do ponto de vista interpretativo e computacional. Prefere-se, assim, um valor ímpar de N.
π/2
APSI - Processamento de Sinal 49
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
b) SLIT com resposta impulsional:
)1()1()( −−+= nnnh δδ 1
1
0n
- 1
ωω ωω sin2)( =−= − jj eeX
0
1
2
3
4
-6.28 -5.03 -3.77 -2.51 -1.26 0.00 1.26 2.51 3.77 5.03 6.28 7.54 8.80
π
|X(ω)|
Figura 1.24. Resposta em amplitude de δ(n+1) - δ (n -1).
• Versão centrada, não causal: fase nula. • Versão causal: fase = ω.
APSI - Processamento de Sinal 50
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
c) 1,1
1)(000)( <
−=⇔
<≥
=−
aae
Xnnanx
j
n
ωω
ωωω
ω sin)cos1(1
11)(
jaaaeX
j +−=
−=
−
0.00
0.20
0.40
0.60
0.80
1.00
1.20
1 3 5 7 9 11 13 15 17 19 21
Figura 1.25. Decaimento exponencial an com a = 0.8
[ ] 2/122 )sin()cos1()(−
+−= ωωω aaX
−−
=∠ω
ωωcos1sin)(
aaarctgX
APSI - Processamento de Sinal 51
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
0
1
2
3
4
5
6
0.00
0.63
1.26
1.88
2.51
3.14
3.77
4.40
5.03
5.65
6.28
-1.5
-1
-0.5
0
0.5
1
1.5
0.00
0.63
1.26
1.88
2.51
3.14
3.77
4.40
5.03
5.65
6.28
Figura 1.26. Amplitude e fase do decaimento exponencial acima.
d) 1,)( <= aanx n
Seja: 1;000)(;
000)( 21 <
≥<
=
<≥
=−
annanx
nnanx
nn
Então: 2
2
cos211)(
aaaX
+−
−=
ωω
APSI - Processamento de Sinal 52
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
0.00
0.20
0.40
0.60
0.80
1.00
1.20
-10 -6 -2 2 6 0
1
2
3
4
56
7
8
9
10
0.00
0.47
0.94
1.41
1.88
2.36
2.83
3.30
3.77
4.24
4.71
5.18
5.65
6.13
Figura 1.27. Amplitude e fase do decaimento exponencial simétrico com a = 0.8.
e)
−>−≤−
=101/1
)(NnNnNn
nx , impulso triangular de 2N+1 amostras.
0
1
2
3
4
5
6
-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8
Figura 1.28. Impulso triangular com 2N+1=11 amostras (N = 5).
APSI - Processamento de Sinal 53
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
O impulso triangular corresponde à convolução de 2 impulsos rectangulares de comprimento N:
2
2 )2/sin()2/sin(1)()()()(
=→⊗=
ωωω N
NXnqnqnx
0
0.2
0.4
0.6
0.8
1
1.2
0.00 0.63 1.26 1.88 2.51 3.14
Figura 1.29. Amplitude espectral do impulso triangular (cheio) e rectangular (tracejado).
π/2.5
APSI - Processamento de Sinal 54
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
1.2.6 Transformada Discreta de Fourier Seja a transformada de Fourier de um sinal discreto (1.6) com frequência normalizada:
nj
nenxX ωω −
∞
−∞=∑= )()(
Suponhamos que amostramos X(ω) com espaçamento Nπ2 :
[ ]1,0,)()2( /2 −∈= −∞
−∞=∑ Nkenx
NkX Nnkj
n
ππ
Subdividindo em intervalos de largura 2π, cada com N termos, temos:
∑ ∑∞
−∞=
−++
==
l
NnkjNlN
lNnenx
NkX /2
1)()2( ππ
Mudando n em n – lN e trocando a ordem dos somatórios, obtém-se:
∑ ∑−
=
−∞
−∞=
−=
1
0
/2)()2(N
n
Nnkj
lelNnx
NkX ππ
APSI - Processamento de Sinal 55
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Logo, )2(N
kX π representa, de facto, a série de Fourier do sinal periódico:
∑∞
−∞=−=
lp lNnxnx )()(
Notar: • Discreto no tempo ⇔ periódico nas frequências. • Discreto nas frequências ⇔ periódico no tempo. • Discreto e periódico no tempo ⇔ discreto e periódico nas frequências. Expandindo xp(n) em série de Fourier (1.8), temos:
∑∑−
=
−−
===
1
0
/21
0
/2 )(1com)(N
n
Nnkjpk
N
k
Nnkjkp enx
Ncecnx ππ
Comparando com resultado anterior, verifica-se que:
[ ]∑−
=−∈
=
=
1
0
/2 1,0,21)(;21 N
k
Nnkjpk Nne
NkX
Nnx
NkX
Nc πππ
APSI - Processamento de Sinal 56
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Transformada Discreta de Fourier (mesmas propriedades da transformada de Fourier para sinais discretos):
( ) ( )44444 344444 2144444 344444 21
IDFT
N
n
nkN
j
pp
DFT
N
k
nkN
j
pp enxkXekXN
nx ∑∑−
=
−−
=
=⇔=1
0
21
0
2
)(1)(ππ
Notar: • N deverá ser maior que o comprimento de x(n), para que xp(n) corresponda a translações não sobrepostas de x(n),
caso contrário temos aloctonicidade no tempo. • Aumentando N, através da junção de amostras de valor nulo a x(n), aumentamos a resolução na frequência, 2π/N. • A avaliação de Xp(k) só necessita de um período de xp(n). Exemplo: Considere o seguinte sinal com período de 1 ms: x(0) = 0.5, x(1) = 1, x(2) = 0.5, x(n) = 0 para n > 2. Calcule a DFT do sinal para um espaçamento nas frequências de 100 Hz. Dado que fs = 1 KHz, o espaçamento de 100 Hz corresponde a uma resolução de N = 1/0.1 = 10 pontos em 2π. Logo:
∑=
−=
9
0
102
)()(n
nkjenxkX
π
APSI - Processamento de Sinal 57
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Portanto:
( ) ( ) ( ) ))5/cos(25.01()2()1()0()( x5/25/5/ ππππ keexexxkX kjkjkj +=++= −−−
Neste caso, dado que o sinal é simétrico em torno da amostra central, a transformada é real e simétrica a menos do factor de atraso e− jkπ/5. A amplitude da DFT é mostrada na figura seguinte.
0
0.5
1
1.5
2
2.5
0.00 0.63 1.26 1.88 2.51 3.14 3.77 4.40 5.03 5.65
|X(ω)|
π ω
Figura 1.30
Há vários algoritmos de cálculo rápido da DFT/IDFT, denominados FFT ("Fast Fourier Transform").
APSI - Processamento de Sinal 58
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
1.2.7 Transformada em z Definição: De 1.6 temos a generalização:
n
nznxzX −
∞
−∞=∑= )()( , z ∈C 1.9
com X(z) definida em toda a região do espaço complexo onde a série converge. Seja a representação polar:
njn
nrez ernxzX j
θθ
−−∞
−∞== ∑= )()(
Na região de convergência de X(z), devemos ter | X(z)| < ∞. Mas:
∑∑∑∞
−∞=
−∞
−∞=
−−−−∞
−∞==≤=
n
n
n
njnnjn
nrnxernxernxzX )()()()( θθ
Logo, a sequência nrnx −)( deve ser absolutamente somável.
APSI - Processamento de Sinal 59
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Note-se, em particular, que se a série converge no círculo unitário, então:
)()( ωω XeX j = Vantagens da generalização: • Facilita o cálculo de transformadas. • Permite uma fácil interpretação geométrica da resposta de SLITs. • Possibilita estudar a resposta para outros regimes de entrada para além de sinusóides, p.ex. .ωjaez = Exemplo:
∑∞
=
−=→=0
1)()()()(n
nn azzXnuanx
A série geométrica infinita converge para 11
1−− az
sse |z| > a.
Indicamos:
111)(
−> −=
azzX az
APSI - Processamento de Sinal 60
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Propriedades:
)()()()( 2121 zbXzaXnbxnax +⇔+ Linearidade )()( zXzknx k−⇔− Atraso no tempo
)()()()( zHzXnhnx ⇔⊗ Convolução )()()()()()( 1−=⇔−⊗= zYzXzRkykxkr xyxy Correlação
∫ −⇔ λλλ
λπ
dzYXj
nynx 1)()(21)()( Multiplicação
dzzdXznnx )()( −⇔ Diferenciação
)()( 1zaXnxa n −⇔ Escalamento
)()( 1−⇔− zXnx Reflexão
)()( *** zXnx ⇔ Conjugação )(lim)0(causal)(
||zXxnx
z ∞→=⇒ Valor inicial
)()1(lim)(causal)(1
zXzxnxz
−=∞⇒→
Valor final
∑= −
=⇔=n
izX
zzzYixny
0)(
1)()()( , |z| > max1, raio de conv. X(z)
xp(n) periódica, xp(n) = xp(n+N) ⇒ )(1
)( zXz
zzXN
N
p−
= , |z|>1
As regiões de convergência deverão ser indicadas. P. ex.., para o escalamento temos: )||,|(|
1),( )()(
qapaqp zaXzX −⇒
APSI - Processamento de Sinal 61
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Algumas transformadas úteis:
x(n) X(z) Região de Convergência
)(nδ 1 Todo o z
u(n) 111
−− z |z-1| < 1
)(nua n 111
−− az |z-1| < |a|
)(nuna n 21
1
)1( −
−
− azaz |z-1| < |a|
)1( −−− nua n 111
−− az |z-1| < |a|
)()(cos 0 nunω 2
01
01
cos21cos1
−−
−
+−
−
zzz
ωω
|z-1| < 1
)()(sin 0 nunω 2
01
01
cos21sin1
−−
−
+−
−
zzz
ωω
|z-1| < 1
Notar, p. ex.:
ωωω
jez
n
aeazXanua
j −=
− −=
−=⇒<
11
11)(1||),(
1
APSI - Processamento de Sinal 62
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Transformada Inversa:
∫ −=c
n dzzzXj
nx 1)(21)(π
,
sendo c um contorno qualquer na região de convergência. Frequentemente, determina-se a transformada em z recorrendo à expansão em fracções e tendo em conta as propriedades e transformadas conhecidas. Exemplo:
De )(nua n ⇔ 11
1−− az
, deduz-se pela regra de diferenciação:
)(nunan ⇔ 21
1
1 )1(11
−
−
− −=
−−
azaz
azdzdz
APSI - Processamento de Sinal 63
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Relação da DFT com a transformada em z:
∑−
=
−
= =1
0
2
)()( 2 N
n
Njk
ez enxzX Njk
ππ
Logo:
= N
jkp eXkX
π2
)(
Os coeficientes da DFT são os valores de X(z) avaliados em N pontos igualmente distribuídos no círculo unitário. Exemplo: Decaimento exponencial, )()( nuanx n= , com a = 0.5.
APSI - Processamento de Sinal 64
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
a
0
0.5
1
1.5
2
2.5
0.00 1.57 3.14 4.71 6.28
ω
|X (ω)|
b0.00
0.50
1.00
1.50
2.00
2.50
0.00 1.57 3.14 4.71 6.28
ω
|X (ω)|
c-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.00 1.57 3.14 4.71 6.28ω
argX (ω)
d -0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.00 1.57 3.14 4.71 6.28
ω
argX (ω)
Figura 1.31. Amplitude (acima) e fase (abaixo) do decaimento exponencial com a=0.5. À esquerda, usando a transformada de Fourier contínua. À direita, usando a DFT com N = 8, calculada para os primeiros N valores de x(n).
APSI - Processamento de Sinal 65
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
0.000
0.200
0.400
0.600
0.800
1.000
1.200
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16n
x (n )
0.000
0.001
0.010
0.100
1.0001 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
n
logx (n )
Figura 1.32. Comparação entre a transformada inversa da DFT anterior (preto) e o sinal original (vermelho). Notar a diferença na escala logarítmica, abaixo.
APSI - Processamento de Sinal 66
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
0
0.5
1
1.5
2
2.5
0.00 1.57 3.14 4.71 6.28
ω
|X (ω)|
Figura 1.33. Amplitude da DFT dos 8 primeiros pontos do decaimento exponencial, usando N = 32. Notar a melhor resolução nas frequências (comparar com a Figura 1.30a).
APSI - Processamento de Sinal 67
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
1.3 Processamento de Sinal com SLITs
1.3.1 Resposta
Dado um SLIT (1.1):
∑∑−
=
−
=−=−
1
0
1
0)()(
M
jj
N
ii jnybinxa ou
44 344 214434421recursivaparte
1
1 0recursivanãoparte
1
0 0)()()( ∑∑
−
=
−
=−−−=
M
j
jN
i
i jnybb
inxba
ny
Normalmente considera-se b0 unitário:
z-1 z-1 z-1. . .
Σ
z-1z-1z-1
. . .
x(n) x(n-1) x(n-2) x(n-N+1)
y(n)
y(n-1)y(n-2)y(n-M+1)
. . .
. . .
a0 a1 a2 aN-1
-b1-b2-bM-1
Figura 1.34. Síntese canónica de um SLIT (supõe-se b0 unitário).
APSI - Processamento de Sinal 68
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Temos:
∑∑−
=
−−
=
− +=1
1
1
0)()()(
M
j
jj
N
i
ii zYbzYzXa
ou
+= ∑∑
−
=
−−
=
−1
1
1
01)()(
M
j
jj
N
i
ii zbzYzazX
Logo, a resposta do sistema no domínio z, é:
)()(
1)()()(
1
1
1
0
zDzN
zb
za
zXzYzH
M
j
jj
N
i
ii
=+
==
∑
∑−
=
−
−
=
−
• Zeros do numerador: zeros da resposta em frequência. • Zeros do denominador: polos da resposta em frequência. • Polinómios com coeficientes reais: zeros e polos são reais ou complexos conjugados.
APSI - Processamento de Sinal 69
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Zeros (zeros de N(z))
Polos (zeros de D(z))
e jω
x
xRe
Im
Figura 1.35. Função de transferência no domínio z com zeros e polos complexos conjugados.
Dado que com coeficientes reais os polos e zeros ou são reais ou complexos conjugados, basta fazer a representação no semi-círculo unitário (superior). Expressão de H(z), em pólos e zeros:
∏
∏−
=
−
−
=
−
−
−=
1
1
1
1
1
1
0
)1(
)1()(
M
jj
N
ii
zz
zzazH
APSI - Processamento de Sinal 70
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Exemplos: a) (Ver 'Exemplo a' em 1.2.5)
)1()()( −−= nnnh δδ
11)( −−= zzH → zero em 1.
e jω
lRe
Im
A característica de amplitude do sistema é dada pelo comprimento l da corda que une o ponto do círculo unitário ao zero:
22 )(sin)cos1()( ωωω +−== lH b) (Ver 'Exemplo c' em 1.2.5)
)1()( −−−= nuanh n
APSI - Processamento de Sinal 71
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
→−
=−11
1)(az
zH polo em 1/a
e jω
lRe
Im
x
A característica de amplitude do sistema é dada pelo inverso do comprimento l da corda que une o ponto do círculo unitário ao polo:
22 )sin()cos1(
11)(ωω
ωaal
H+−
==
APSI - Processamento de Sinal 72
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Sistema só com zeros:
)1()1()()()( 110
1
0+−++−+=−= −
−
=∑ Nnxanxanxainxany N
N
ii K
Sistema de Média Movente (MA)
• Resposta impulsional de comprimento finito, N. • Fase linear
Sistema só com pólos:
)1()1()()()()( 1
1
1+−++−+=−+= ∑
−
=Mnynybnxjnybnxny
M
jj K
Sistema Auto-Regressivo (AR)
• Resposta impulsional de comprimento, frequentemente, infinito. • Fase, frequentemente, não-linear.
Sistema com pólos e zeros: ARMA.
APSI - Processamento de Sinal 73
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
1.3.2 Estabilidade de SLITs Para um sistema de entrada limitada gerar uma saída também limitada, a resposta impulsional h(n) deve obedecer à condição necessária e suficiente de estabilidade:
∑∞
−∞=∞<
nnh |)(|
Mas:
∑∑∞
−∞=
−∞
−∞=
− =≤n
n
n
n znhznhzH )()()(
No círculo unitário, temos:
∑∞
−∞=≤
nnhzH )()(
Logo o sistema é estável se a região de convergência contiver o círculo unitário. O inverso é também verdadeiro. Um SLIT causal tem a sua região de convergência em z-1 o interior do círculo unitário (ver u(n)), logo: Um SLIT causal é estável sse todos os seus pólos estão dentro do círculo unitário.
APSI - Processamento de Sinal 74
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Exemplos:
a) 11
1)(−−
=az
zH
a h(n) |H(ω)|
0.5
0.00
0.20
0.40
0.60
0.80
1.00
1.201 3 5 7 9 11 13 15 17 19 21
0
0.5
1
1.5
2
2.5
0.00 0.79 1.57 2.36 3.14 3.93 4.71 5.50 6.28
−0.5
-0.60
-0.40
-0.20
0.00
0.20
0.40
0.60
0.80
1.00
1.20
1 3 5 7 9 11 13 15 17 19 21
0
0.5
1
1.5
2
2.5
0.00 0.79 1.57 2.36 3.14 3.93 4.71 5.50 6.28
APSI - Processamento de Sinal 75
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
0.95
0.00
0.20
0.40
0.60
0.80
1.00
1.20
1 3 5 7 9 11 13 15 17 19 21
0
5
10
15
20
25
0.00 0.79 1.57 2.36 3.14 3.93 4.71 5.50 6.28
−0.95
-1.50
-1.00
-0.50
0.00
0.50
1.00
1.50
1 3 5 7 9 11 13 15 17 19 21
0
5
10
15
20
25
0.00 0.79 1.57 2.36 3.14 3.93 4.71 5.50 6.28
APSI - Processamento de Sinal 76
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
1
0.00
0.20
0.40
0.60
0.80
1.00
1.20
1 3 5 7 9 11 13 15 17 19 21
0
5E+14
1E+15
1.5E+15
2E+15
2.5E+15
3E+15
3.5E+15
4E+15
4.5E+15
0.00 0.79 1.57 2.36 3.14 3.93 4.71 5.50 6.28
−1
-1.50
-1.00
-0.50
0.00
0.50
1.00
1.50
1 3 5 7 9 11 13 15 17 19 21
0
1E+15
2E+15
3E+15
4E+15
5E+15
6E+15
7E+15
8E+15
9E+15
0.00 0.79 1.57 2.36 3.14 3.93 4.71 5.50 6.28
Figura 1.36. Resposta impulsional e amplitude espectral do decaimento exponencial causal para vários valores de a.
APSI - Processamento de Sinal 77
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
b)
2111)(
−− ++=
bzazzH
Sejam 0
10 *
1 , ωω jj rezrez −== os pólos conjugados de H(z). Temos:
2210
11 )cos2(11
)1)(1(1)(
00 −−−−− +−=
−−=
zrzrzrezrezH
jj ωωω
A resposta impulsional pode, então, ser iterativamente calculada, como:
)2()1()()( −−−−= nbhnahnnh δ ,
com
==
20cos2
rbra ω
Por outro lado, decompondo em fracções, temos:
11 00 11)(
−−− −+
−=
zreB
zreAzH
jj ωω,
APSI - Processamento de Sinal 78
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
com
−=
=⇒
=+−=+
−−−
0
01
sin2
sin20)(
10
0
00
ω
ωω
ω
ωω
jeB
jeA
BeAerzBA
j
j
jj
Portanto: ( ) ( ) [ ]0
0
00 sin)1(sin
sin2sin2)(
00
00
ωω
ωω
ωω
ωω +
=−=−
− nr
jere
jerenh n
jnjjnj
-1
-0.5
0
0.5
1
1.5
1 5 9 13 17 21
Figura 1.37. Resposta impulsional do sistema de ressonância digital para r = 0.9123 e ω0 = 0.8 (a = −1.27; b = 0.8323).
APSI - Processamento de Sinal 79
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
É possível mostrar que: (Exemplo)
• Frequência de ressonância: )cos2
1(cos 0
21 ωω
rr
r+
= − (0.127)
• Largura de banda (3 dB): )1(2 r−≈∆ω (0.175)
• Ganho para ωr: )2cos(21)1( 02 ωrrr −+− ( 8.29)
Figura 1.38. Resposta em amplitude para o exemplo anterior.
APSI - Processamento de Sinal 80
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
1.4 Energia, Potência, Correlação e Autocorrelação
1 - Vimos que a energia de um sinal discreto é dada por:
∑∞
−∞==
nnxE 2)(
Rescrevendo:
∑ ∫∑∞
−∞=−
−∞
−∞=
==
n
nj
ndeXnxnxnxE π
πω ωω
π)(
21)()()( **
Trocando a ordem de integração e soma, obtém-se:
∫ ∑−
∞
−∞=
−
=
π
πω ωω
πdenxXE
n
nj)()(21 *
⇒ ∫−=ππ
ωωπ
dXE 2|)(|21 (relação de Parseval)
A quantidade 2)()( ωω XS xx = é chamada densidade espectral de energia de x(n). Para sinais reais, )()(* ωω −= XX , logo: )()()()( ωωωω −=⇒=− xxxx SSXX i.e., a densidade espectral de energia é uma função par, pelo que basta estudá-la no intervalo [0, π].
APSI - Processamento de Sinal 81
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
2 - Potência média de um sinal numa janela de −N a N:
NEN
P12
1lim+
=
sendo EN a energia numa janela de −N a N. • Sinal de energia: sinal com energia finita • Sinal de potência: sinal com potência finita 3 - Correlação cruzada de dois sinais discretos:
∑∞
−∞=±±=−=
nxy llnynxlr K,2,1,0),()()( (sinais de energia finita)
Facilmente se conclui que:
)()( lrlr yxxy −= trocando x com y obtém-se a mesma correlação se reflectirmos em torno de l = 0. )()()( lxlylryx −⊗= relação com a convolução
A figura seguinte ilustra graficamente a operação de correlação, usando os sinais da Figura 1.6. Notar que não existe a reflexão da resposta impulsional como na convolução. O comprimento da correlação é também N + M – 1 (como na Figura 1.6).
APSI - Processamento de Sinal 82
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
a
1
0
x(n)
n
y(n)
b
1
0
x(n)
n
c
1
0
x(n)
n
d
1
0
x(n)
n
e
1
0
x(n)
n
f
1
0
r(l)
l
2
-3 Figura 1.39. Fases da correlação com sinal y(n) avançado (a: r(-3) e usa y(n+3); b: r(-2) e usa y(n+2)), y(n) alinhado temporalmente com x(n) (c) e y(n) atrasado (d: r(1); e: r(2)), e saída (f) de comprimento 3 + 3 – 1 .
APSI - Processamento de Sinal 83
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
4 – Autocorrelação (correlação de um sinal consigo próprio):
∑∞
−∞=±±=−=
nxx llnxnxlr K,2,1,0),()()(
As versões limitadas no tempo dos sinais em [0, N – 1] são:
∑−−
=−=
1)()()(
kN
inxy lnynxlr
∑−−
=−=
1||)()()(
kN
inxx lnxnxlr
com
<==≥==
0para,00para0,
llkilkli
APSI - Processamento de Sinal 84
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Propriedades: 1 - De )()( lrlr yxxy −= resulta )()( lrlr xxxx −= , i.e. a autocorrelação é sempre uma função par.
a
1
0
x(n)
n
x(n)
b
1
0
x(n)
n
c
1
0
x(n)
n
d
1
0
x(n)
n
e
1
0
x(n)
n
f
1
0
r(l)
l
2
-3 Figura 1.40. Sucessivas fases da autocorrelação de um sinal assimétrico. A autocorrelação, f, é sempre simétrica. 2 - Seja a combinação linear de dois sinais de energia:
)()( lnbynax −+
APSI - Processamento de Sinal 85
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Então 0)(2)0()0( 22 ≥++ labrrbra xyyyxx Donde:
)0()0()( yyxxxy rrlr ≤ e xxxxx Erlr =≤ )0()(
3 - O escalamento não modifica a forma da correlação, apenas a amplitude absoluta, logo é habitual normalizar:
)0()0(
)(
yyxx
xyxy rr
lr=ρ e
)0()(
xx
xxxx r
lr=ρ
4 - )()()()( ωωω −=↔ YXSlr xyxy , espectro de densidade de energia cruzada dos sinais. 5 - Teorema de Wiener-Khintchine. Seja x(n) um sinal real; então:
)()( ωxxxx Slr ↔
APSI - Processamento de Sinal 86
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
6 - Seja o sinal: y(n) = x(n) + w(n), onde x(n) é um sinal periódico de período N e w(n) um sinal aleatório. Temos:
)()()()()( lrlrlrlrlr wwwxxwxxyy +++=
rxx(l) exibe picos em múltiplos de N; rxw(l) e rwx(l) terão pequena contribuição dado a não-correlação entre x(n) e w(n); finalmente rww(l) terá um pico em 0 e decaimento rápido. Portanto, ryy(l) revelará a periodicidade de x(n).
a0 10 20 30 40 50 60 70 80 90 100
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
b20 40 60 80 100 120 140 160 180
0
10
20
30
40
50
Figura 1.41. a)Coseno de amplitude 0.8 e período N=10 com ruído uniforme em [-1, 1]; b) Autocorrelação do sinal anterior; a periodicidade é claramente visível.
APSI - Processamento de Sinal 87
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Correlação e autocorrelação em SLITs
De: )()()( nxnhny ⊗= ,
deduz-se: [ ])()()()()()( lxlxlhlxlylryx −⊗⊗=−⊗= .
Logo:
)()()( lrlhlr xxyx ⊗= . Portanto, a correlação cruzada pode ser vista como a resposta do sistema à autocorrelação. Também se deduz:
[ ][ ] )()()()()()()()()( lrlrlxlhlxlhlylylr xxhhyy ⊗=−⊗−⊗=−⊗= rhh(l) existe se o SLIT é estável e então, se a entrada é de energia, a saída também o é, e identicamente se é de potência. Também:
∑∞
−∞==
lxxhhyy lrlrr )()()0( ,
o que permite obter a energia ou potência de saída a partir das autocorrelações.
APSI - Processamento de Sinal 88
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
Nas transformadas temos: )()()( zSzHzS xxyx = e )()()()( 1 zSzHzHzS xxyy
−= ou, equivalentemente:
)()()( ωωω xxyx SHS = e )()()( 2 ωωω xxyy SHS =
A energia total do sinal à saída é:
∫−==ππ
ωωωπ
dSHrE xxyyy )()(21)0( 2
Se x(n) tem um espectro constante (horizontal), Ex, então:
)(1)()()( ωωωω yxx
xyx SE
HEHS =⇒=
ou, equivalentemente,
)(1)( nrE
nh yxx
=
Este é um método que pode ser usado para determinar a resposta impulsional de um sistema desconhecido.
APSI - Processamento de Sinal 89
J.P. Marques de Sá - Fac. Eng. Univ. do Porto, Portugal 2003
1.5 Bibliografia
Kuc R (1988) Introduction to Digital Signal Processing. Mc Graw-Hill, Inc. Lindner DK (1999) Introduction to Signals and Systems. Mc Graw-Hill, Inc. Lyons RG (1997) Understanding Digital Signal Processing. Addison Wesley Longman, Inc. Oppenheim AV, Schafer RW, Buck JR (1999) Discrete-Tima Signal Processing. Prentice-Hall Inc. Papoulis A (1984) Signal Analysis. McGraw-Hill, Inc. Proakis JG, Manolakis DG (1996) Digital Signal Processiong. Principles, Algorithms and Applications. Prentice Hall Int., Inc. Rabiner LR, Gold B (1975) Theory and Application of Digital Signal Processing. Prentice-Hall, Inc. Schwarz M, Shaw L (1975) Signal Processing: Discrete Spectral Analysis, Detection and Estimation. McGraw Hill. Steiglitz K (1974) An Introduction to Discrete Systems. J. Wiley & Sons, Inc. Tretter SA (1976) Introduction to Discrete Time Signal Processing. J. Wiley & Sons, Inc.